Akademische:r Mitarbeiter:in (m/w/x)
Akademische:r Mitarbeiter:in (m/w/x)
Akademische:r Mitarbeiter:in (m/w/x)
Akademische:r Mitarbeiter:in (m/w/x)
Hochschule Reutlingen
Erziehung, Bildung, Wissenschaft
Reutlingen
- Art der Anstellung: Teilzeit
- 39.500 € – 51.500 € (von XING geschätzt)
- Hybrid
- Zu den Ersten gehören
Akademische:r Mitarbeiter:in (m/w/x)
Über diesen Job
An der Hochschule Reutlingen trifft Innovation auf Tradition. Ob digitale Transformation, nachhaltige Produktentwicklung oder interdisziplinäre Forschung – wir arbeiten an Themen, die Wissenschaft, Wirtschaft und die Welt bewegen. Die Fakultät Informatik der Hochschule Reutlingen steht für anwendungsnahe Forschung u.a. in den Bereichen IoT, KI und digitale Gesundheit. Im IoT-Lab mit dem Ambient Assisted Living Lab arbeiten wir im Projekt CoDiac an innovativen Methoden zur Analyse multimodaler Biosignale, um Schlafstörungen wie Insomnie und Schlafapnoe präzise zu erkennen und zu überwachen.
Akademische:r Mitarbeiter:in (m/w/x)
In Teilzeit (75%)
Kennziffer 2025/081
WAS SIE GESTALTEN
- Entwicklung und Training von KI-Modellen zur Analyse multimodaler Biosignale (EEG, EOG, PPG, Atmung) mit fortgeschrittenen Deep-Learning-Verfahren zur Erkennung von Insomnie und schlafbezogenen Atmungsstörungen.
- Durchführung von Zeitreihen- und Frequenzbereichsanalysen, insb. auf Basis von EEG-Daten.
- Mitwirkung an der Entwicklung einer medizinischen Diagnosesoftware, inklusive Visualisierung und kliniknaher Nutzerführung.
- Integration der entwickelten Algorithmen in eine Cloud-basierte Infrastruktur in enger Abstimmung mit Projektpartnern.
- Beteiligung an der methodischen Planung und Auswertung einer klinischen Studie (Stichprobenplanung, Evaluationsstrategie, Datenvalidierung).
- Beitrag zu wissenschaftlichen Publikationen, Konferenzen und Dokumentation regulatorischer Aspekte.
WAS SIE MITBRINGEN
- Abgeschlossenes Masterstudium in Informatik, Medizininformatik, Data Science, Computational Neuroscience oder vergleichbaren Fachrichtungen.
- Fundierte Kenntnisse in maschinellem Lernen, insbesondere für zeitabhängige Daten (Time Series).
- Praktische Erfahrung mit Deep-Learning-Frameworks.
- Vertrautheit mit Biosignaldaten (z.B. EEG, EKG, PPG) und deren Verarbeitung.
- Kenntnisse in Signalqualitätssicherung, Artefakterkennung und Multimodaler Datenfusion sind von Vorteil.
- Erfahrung mit wissenschaftlicher Arbeit, idealerweise nachgewiesen durch Publikationen oder Projektbeteiligung.
- Teamfähigkeit, strukturierte Arbeitsweise
- Sehr gute Deutsch- und Englischkenntnisse.
WAS WIR BIETEN
- Interessantes und anspruchsvolles Aufgabengebiet
- Die Einstellung erfolgt befristet bis 30.06.2028.
- Eine Weiterbeschäftigung nach Ablauf der Dauer wird angestrebt.
- Bezahlung nach TV-L E13.
- Möglichkeit der kooperativen Promotion.
BENEFITS
Zuschuss zum Jobticket BW
Möglichkeit der Mobilen Arbeit
Essenszuschuss für die Mensa
Gute Vereinbarkeit von Familie und Beruf
Zusatzversorgung (Betriebsrente) bei der VBL
Radleasing-Angebot über JobBike BW zu attraktiven Konditionen
Wir legen Wert auf Vielfalt und Chancengleichheit. Frauen bitten wir nachdrücklich um ihre Bewerbung. Schwerbehinderte Personen werden bei gleicher Eignung bevorzugt eingestellt.
Wir freuen uns auf Ihre Bewerbung mit den üblichen Unterlagen bis zum 31.08.2025 über unser Bewerbungsportal http://karriere.reutlingen-university.de (https://stellen.reutlingen-university.de/de/jobposting/4de53b745fd34d04416bf9bfab5ee0af2235df160/apply) . Bewerbungen per E-Mail oder Post können leider nicht berücksichtigt werden.
Bei Fragen kontaktieren Sie gerne: Prof. Dr. Natividad Martínez Madrid | +49 (0)7121 271 4014 | [natividad.martinez@reutlingen-university.de]
Bereitgestellt in Kooperation mit der Bundesagentur für Arbeit.
Gehalts-Prognose
Bewertung von Mitarbeitenden
Gesamtbewertung
Basierend auf 31 BewertungenVorteile für Mitarbeitende
Unternehmenskultur
Unternehmenskultur
31 Mitarbeitende haben abgestimmt: Sie bewerten die Unternehmenskultur bei Hochschule Reutlingen als eher traditionell.Der Branchen-Durchschnitt geht übrigens in Richtung modern